深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
4401	2025-10-06	A segmentation network based on CNNs for identifying laryngeal structures in video laryngoscope images 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102573 PMID:40472423	研究论文	提出一种基于CNN的MPE-UNet深度学习模型，用于从视频喉镜图像中精确分割喉部结构	在经典U-Net架构基础上，编码器引入改进的多尺度特征提取模块，跳跃连接加入金字塔融合注意力模块，解码器集成即插即用注意力机制模块	NA	辅助临床医生更准确高效地进行气管插管操作	视频喉镜图像中的喉部结构	计算机视觉	NA	视频喉镜成像	CNN	图像	NA	NA	U-Net	NA	NA
4402	2025-10-06	Differentiating Bacterial and Non-Bacterial Pneumonia on Chest CT Using Multi-Plane Features and Clinical Biomarkers 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.047 PMID:40494699	研究论文	开发并评估MPMT-Pneumo多平面多模态深度学习模型，用于区分细菌性肺炎和非细菌性肺炎	提出结合多平面CT视图和临床炎症生物标志物的混合CNN-Transformer架构，并采用Poly Focal Loss解决类别不平衡问题	样本量相对有限（384例患者），仅来自两家医院	改进细菌性肺炎与非细菌性肺炎的鉴别诊断，指导抗生素合理使用	384例微生物学确诊的肺炎患者（239例细菌性肺炎，145例非细菌性肺炎）	医学影像分析	肺炎	CT成像，炎症生物标志物检测	CNN, Transformer	CT图像，临床生物标志物数据	384例患者（来自两家医院）	NA	混合CNN-Transformer架构	AUC, 准确率, 灵敏度	NA
4403	2025-10-06	Robust Bayesian brain extraction by integrating structural subspace-based spatial prior into deep neural networks 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102572 PMID:40516207	研究论文	提出一种集成结构子空间先验与深度学习的新型贝叶斯脑提取方法	将基于混合特征模态的结构子空间先验与深度学习分类相结合，实现多分辨率位置依赖的局部空间强度分布建模	NA	开发精确且鲁棒的脑提取（颅骨剥离）方法	脑部图像数据	医学图像处理	神经系统疾病	脑部影像分析	深度学习,神经网络	医学图像	多机构数据集，包括全生命周期健康扫描、病变图像及噪声伪影影响的图像	NA	多分辨率位置依赖神经网络,基于patch的融合网络	分割精度,鲁棒性	NA
4404	2025-10-06	Prediction of NIHSS Scores and Acute Ischemic Stroke Severity Using a Cross-attention Vision Transformer Model with Multimodal MRI 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.031 PMID:40517096	研究论文	开发并评估基于多模态MRI和交叉注意力视觉Transformer模型的急性缺血性脑卒中严重程度分类方法	首次将交叉注意力视觉Transformer模型应用于多模态MRI数据的脑卒中严重程度分类，提出DWI为中心的多序列交叉融合策略	在BMI亚组中存在显著预测差异，样本来源为回顾性数据	开发急性缺血性脑卒中神经功能缺损严重程度的自动分类模型	1227例急性缺血性脑卒中患者	计算机视觉	急性缺血性脑卒中	多模态MRI	Vision Transformer (ViT)	MRI图像	1227例急性缺血性脑卒中患者	NA	Vision Transformer	AUC, ACC, 特异性, 敏感性	NA
4405	2025-10-06	Predicting occupant response curves in vehicle crashes via Attention-enhanced multimodal temporal Network 2025-Sep, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108140 PMID:40532417	研究论文	提出一种注意力增强的多模态时序网络(AMTN)，用于预测车辆碰撞中乘员多个身体区域的碰撞响应曲线	通过交叉注意力机制有机融合多模态特征，并采用改进的时序卷积网络(TCN)与局部滑动自注意力进行共享特征解码	NA	提高车辆碰撞安全性预测的准确性和效率，减少对昂贵物理测试和仿真的依赖	车辆碰撞中的乘员安全响应	机器学习	NA	多模态数据融合	时序卷积网络(TCN), 注意力机制	数值参数, 车辆碰撞脉冲	工程获取的数据集	NA	Attention-enhanced Multimodal Temporal Network (AMTN), Temporal Convolutional Network (TCN)	ISO评分	NA
4406	2025-10-06	Quantification of Breast Arterial Calcification in Mammograms Using a UNet-Based Deep Learning for Detecting Cardiovascular Disease 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.036 PMID:40541546	研究论文	开发基于U-Net的深度学习模型用于乳腺X线摄影中乳腺动脉钙化的检测、分割和量化	采用改进的U-Net架构结合Hausdorff损失、Dice损失和二元交叉熵损失进行钙化分割和量化	回顾性研究，样本量相对有限（369例患者）	通过乳腺X线摄影改善心血管疾病风险评估	乳腺X线摄影图像中的乳腺动脉钙化	计算机视觉	心血管疾病	乳腺X线摄影	CNN	图像	369例患者的乳腺X线摄影图像	NA	U-Net	Dice分数, BCE损失, 线性拟合, Bland-Altman分析, F1分数	NA
4407	2025-10-06	Classification of glioma grade and Ki-67 level prediction in MRI data: A SHAP-driven interpretation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102578 PMID:40543244	研究论文	本研究利用人工智能技术对胶质瘤分级和Ki-67水平进行MRI数据分类预测，并通过SHAP方法进行模型解释	首次将SHAP可解释人工智能与深度学习特征结合，探索Ki-67生物标志物与深度学习特征的关联性	样本量相对较小（仅101例患者），仅使用T2W-FLAIR序列MRI数据	开发AI驱动的胶质瘤分级和Ki-67水平预测方法，增强胶质瘤临床决策支持	101例胶质瘤患者的MRI图像和Ki-67生物标志物数据	医学影像分析	胶质瘤	T2W-FLAIR MRI序列	CNN, XGBoost	医学影像	101例胶质瘤患者	NA	ResNet50	准确率, 精确率, F1分数	NA
4408	2025-10-06	Deep learning based colorectal cancer detection in medical images: A comprehensive analysis of datasets, methods, and future directions 2025-Sep, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110542 PMID:40543496	综述	对2019-2025年间基于深度学习的结直肠癌医学影像检测技术进行全面分析	系统分析110篇高质量文献和9个公开数据集，首次全面评估CNN与Transformer模型在结直肠癌检测中的表现	数据集稀缺性、计算资源限制和标准化挑战	评估人工智能在结直肠癌医学影像检测中的应用现状与发展趋势	结直肠癌医学影像数据集和深度学习模型	数字病理	结直肠癌	医学影像分析	CNN, Transformer	医学影像	9个公开数据集和110篇文献涵盖的数据	NA	ResNet, VGG, Transformer	分类、目标检测和分割任务的性能指标	NA
4409	2025-10-06	MDEANet: A multi-scale deep enhanced attention net for popliteal fossa segmentation in ultrasound images 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102570 PMID:40544544	研究论文	提出一种用于超声图像中腘窝区域神经、肌肉和动脉精确分割的多尺度深度增强注意力网络MDEANet	集成级联多尺度空洞卷积(CMAC)增强多尺度特征提取、增强空间注意力机制(ESAM)聚焦关键解剖区域、跨层级特征融合(CLFF)改善上下文表示	NA	提高超声引导下坐骨神经阻滞的准确性和效率	超声图像中的腘窝区域神经、肌肉和动脉	计算机视觉	麻醉相关神经阻滞	超声成像	CNN	超声图像	NA	NA	MDEANet	IoU, Dice系数	NA
4410	2025-10-06	VTrans: A VAE-Based Pre-Trained Transformer Method for Microbiome Data Analysis 2025-Sep, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0884 PMID:40295093	研究论文	提出一种结合Transformer编码器和变分自编码器的深度学习模型VTrans，用于基于微生物数据预测癌症患者的生存风险	首次将Transformer编码器与变分自编码器结合，采用预训练和微调策略解决微生物数据样本量小、特征维度高的问题	仅在三种癌症数据集上验证，尚未扩展到更多癌症类型；多组学数据整合能力仍需进一步验证	预测癌症患者的生存结果和评估风险	癌症患者的微生物数据	机器学习	癌症	微生物数据分析	Transformer, VAE	微生物数据	三个癌症基因组图谱计划数据集	NA	Transformer编码器，变分自编码器	NA	NA
4411	2025-10-06	Ensemble deep learning model for early diagnosis and classification of Alzheimer's disease using MRI scans 2025-Sep, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251359950 PMID:40776602	研究论文	本研究开发了一种集成深度学习模型，通过MRI扫描实现阿尔茨海默病的早期诊断和分类	提出了一种新颖的优化特征选择框架H-IBMFO，结合了改进的白鲸优化器和蝠鲼觅食优化算法，并采用集成深度学习模型融合MobileNet V2、DarkNet和ResNet	NA	通过先进的图像预处理、优化特征选择和集成深度学习技术增强基于MRI的阿尔茨海默病分类	阿尔茨海默病患者和健康对照的MRI脑部扫描图像	计算机视觉	阿尔茨海默病	MRI扫描	集成深度学习	医学图像	NA	MATLAB	DeepLabV3+, MobileNet V2, DarkNet, ResNet	准确率, 精确率, 灵敏度, 特异性, F-measure	NA
4412	2025-10-06	Deep Learning-Based Fully Automated Aortic Valve Leaflets and Root Measurement From Computed Tomography Images　- A Feasibility Study 2025-Aug-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-24-1031 PMID:40436780	研究论文	本研究开发了一种基于深度学习的全自动算法，用于从CT图像测量主动脉瓣叶和根部结构	首次使用深度学习算法实现主动脉瓣叶和根部测量的全自动化，显著提高测量效率	样本量相对有限，且在主动脉反流病例的窦管交界处测量存在边界不明确的问题	评估深度学习算法在主动脉瓣叶和根部自动测量中的临床可行性	主动脉根部扩张、主动脉瓣狭窄和主动脉瓣反流患者	计算机视觉	心血管疾病	计算机断层扫描	深度学习	医学影像	167例患者的心电门控心脏CT扫描（40例用于算法训练，100例用于评估）	NA	NA	相关性分析，测量时间比较	NA
4413	2025-10-06	Deep learning-based system for automatic identification of benign and malignant eyelid tumours 2025-Aug-20, The British journal of ophthalmology DOI:10.1136/bjo-2025-327127 PMID:40348397	研究论文	开发基于深度学习的眼睑肿瘤自动识别与分类系统	首次将八种卷积神经网络模型应用于眼睑肿瘤的自动识别，其中双路径Inception-v4网络表现最佳	需要更大规模和多样化的数据集进行验证，尚未集成到临床工作流程中	提高眼睑肿瘤诊断的准确性和效率	正常眼睑、良性眼睑肿瘤和恶性眼睑肿瘤的摄影图像	计算机视觉	眼睑肿瘤	数字摄影	CNN	图像	未明确具体样本数量，训练集与验证集按8:2比例随机划分	NA	VGG16, ResNet50, Inception-v4, EfficientNet-V2-M	准确率, 敏感度, 特异性, AUC, F1-score	NA
4414	2025-10-06	Label-free diagnosis of lung cancer by Fourier transform infrared microspectroscopy coupled with domain adversarial learning 2025-Aug-18, The Analyst DOI:10.1039/d5an00216h PMID:40492296	研究论文	提出一种结合傅里叶变换红外显微光谱与领域对抗学习的无标记肺癌诊断方法	开发了红外光谱领域对抗神经网络（IRS-DANN），通过领域对抗学习机制减少患者间变异性的影响	训练样本数量有限	开发用于肺癌组织准确识别的无标记诊断方法	肺癌组织	数字病理	肺癌	傅里叶变换红外显微光谱	深度学习	红外光谱数据	有限训练样本的真实临床FTIR数据集	NA	领域对抗神经网络	分类性能	NA
4415	2025-10-06	ES-UNet: efficient 3D medical image segmentation with enhanced skip connections in 3D UNet 2025-Aug-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01857-0 PMID:40804359	研究论文	提出一种高效的3D医学图像分割架构ES-UNet，通过增强跳跃连接和引入新学习策略提升分割性能	在UNet3+全尺度跳跃连接基础上集成通道注意力模块，提出区域特定缩放数据增强方法和动态加权Dice损失函数	需要更广泛验证不同成像模态的适应性，未来将探索自适应缩放策略	开发改进的3D医学图像分割架构，平衡计算效率与准确性	3D医学图像分割	医学图像分析	头颈癌	3D医学图像分割	3D UNet变体	3D医学图像	MICCAI HECKTOR数据集和医学分割十项全能部分任务	NA	ES-UNet, 3D UNet, 3D UNet 3+, nnUNet, Swin UNETR	Dice相似系数, 内存使用, 推理时间, 参数数量	NA
4416	2025-10-06	GPS: Harnessing data fusion strategies to improve the accuracy of machine learning-based genomic and phenotypic selection 2025-Aug-11, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101416 PMID:40509592	研究论文	提出一种名为GPS的数据融合框架，通过整合基因组和表型数据来提高植物性状预测的准确性	开发了三种不同的数据融合策略（数据融合、特征融合和结果融合），显著提升了基因组和表型选择的预测性能	NA	提高基因组和表型选择的准确性、鲁棒性和可迁移性	四种作物物种：玉米、大豆、水稻和小麦	机器学习	NA	基因组选择(GS)、表型选择(PS)	Lasso, RF, SVM, XGBoost, LightGBM, DNNGP, GBLUP, BayesB	基因组数据、表型数据	大型数据集，最小样本量200	NA	NA	准确率	NA
4417	2025-10-06	Enhanced hyper tuning using bioinspired-based deep learning model for accurate lung cancer detection and classification 2025-Aug-09, The International journal of artificial organs DOI:10.1177/03913988251359522 PMID:40781973	研究论文	提出一种基于生物启发算法的增强超参数调优深度学习模型，用于准确检测和分类肺癌	结合生物启发算法进行超参数调优，采用混合特征选择方法和深度分形边缘分类器	未提及临床验证的具体细节和外部验证结果	提高肺癌检测和分类的准确性与效率	肺癌CT图像	计算机视觉	肺癌	CT成像	深度学习, CNN	医学图像	NA	NA	Mask R-CNN, 深度分形边缘分类器	准确率, 精确率, 召回率, F1分数	NA
4418	2025-10-06	Variational autoencoder-based model improves polygenic prediction in blood cell traits 2025-Aug-08, HGG advances DOI:10.1016/j.xhgg.2025.100490 PMID:40783786	研究论文	本研究开发了一种基于变分自编码器的多基因风险评分模型，用于改善血细胞性状的遗传预测	首次将变分自编码器应用于多基因风险评分构建，能够捕捉高维基因组数据中的复杂模式和交互效应	需要足够的训练样本量才能发挥最佳性能	通过先进深度学习技术提高多基因风险评分的预测能力	血细胞性状的遗传预测	机器学习	NA	基因组测序	VAE	基因组数据	生物银行级别数据	NA	变分自编码器	预测精度	计算效率高
4419	2025-10-06	Artificial intelligence and digital health in vascular surgery: a 2-decade bibliometric analysis of research landscapes and evolving frontiers 2025-Aug-06, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02583-z PMID:40767924	文献计量分析	通过文献计量学方法分析血管外科领域人工智能与数字健康应用在过去二十年的结构演变和发展轨迹	首次系统描绘血管外科AI与数字健康研究的演变历程，识别出7个新兴研究子领域和范式转变	仅基于WoSCC数据库文献，可能遗漏其他重要数据库的研究成果	分析血管外科人工智能与数字健康应用的历史发展轨迹和研究前沿	血管外科领域与人工智能和数字健康相关的学术出版物	医学信息学	血管疾病	文献计量分析	NA	文献数据	675篇爆发性引用论文，涵盖123个相关学科和505个关键词	CiteSpace, HistCite	NA	NA	NA
4420	2025-10-06	Artificial intelligence improves risk prediction in cardiovascular disease 2025-Aug, GeroScience IF:5.3Q1 DOI:10.1007/s11357-024-01438-z PMID:39576563	研究论文	本研究使用人工智能模型改善70岁及以上相对健康成年人群的心血管疾病风险预测	深度学习模型在心血管疾病风险预测中表现出优于传统方法和机器学习方法的性能，且能更有效地指导患者治疗	AI工具应作为医疗专业人员的辅助工具而非替代品，且研究建议对其他风险评分进行类似重新评估	利用人工智能模型改进心血管疾病风险预测	70岁及以上的相对健康成年人群体	机器学习	心血管疾病	NA	深度学习,机器学习	临床数据	大型队列研究	NA	DeepSurv,Neural Multi-Task Logistic Regression,Random Survival Forest,Cox	C-index,Integrated Brier Score	本地部署的Web应用程序